TensorFlow Docker图像

Question

使用通用TensorFlow泊坞窗图像时，它们不会针对确切的目标架构进行优化。

a）是否有关于使用这些通用泊坞窗图像与针对特定架构进行编译的性能损失的研究？

b）在异构集群中使用诸如KubeFlow / Mesos的编排系统时，将节点映射到优化的TensorFlow编译的最佳实践是什么（例如，在每个节点上安装它，具有多个docker图像......） 。

感谢您的反馈！

Answer 1

为了表现，您可以查看breandangregg container performance analysis 它非常好，因为docker化更像是chroot而不是虚拟化，因为容器共享一些内核函数。

异构群集的最佳实践是拥有一组图像。 对于每个映像，您可以运行具有不同配置的容器传递环境变量。 如果配置相同，则可以使用kubernetes的自动缩放功能，例如。